CN113744263A - 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 - Google Patents
一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 Download PDFInfo
- Publication number
- CN113744263A CN113744263A CN202111092632.1A CN202111092632A CN113744263A CN 113744263 A CN113744263 A CN 113744263A CN 202111092632 A CN202111092632 A CN 202111092632A CN 113744263 A CN113744263 A CN 113744263A
- Authority
- CN
- China
- Prior art keywords
- image
- mosaic
- defect
- mosaic ceramic
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000919 ceramic Substances 0.000 title claims abstract description 59
- 230000007547 defect Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 239000002245 particle Substances 0.000 claims abstract description 14
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000004519 manufacturing process Methods 0.000 claims abstract description 6
- 238000000926 separation method Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000009776 industrial production Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，该方法首先图像采集获取马赛克陶瓷块表面的RGB三通道图像信息，再将提取的RGB三通道图像转换为HSV颜色模型下的H、S、V三通道图像，然后根据V通道图像明暗差异来提取陶瓷马赛克主体部分，去除无关背景的影响，并对提取的马赛克陶瓷主体进行blob分析，包括图像预处理、前景与背景分离、连通性分析及特征提取；然后进行亚像素拟合定位提取缺陷特征，根据提取到的缺陷特征制作匹配模板；通过模板匹配遍历整个马赛克陶瓷颗粒表面部分，逐个扫描原图像中的像素点所对应的模板子图，快速匹配所有缺陷目标，该检测方法能准确快速的检测马赛克陶瓷表面微小缺陷，具有鲁棒性好的特点。
Description
技术领域
本发明涉及陶瓷表面缺陷检测技术领域，特别是一种小尺寸马赛克陶瓷颗粒表面缺陷快速检测的方法。
背景技术
马赛克陶瓷因其独特的艺术表现形式被广泛应用在建筑、装修、家纺设计等各个领域，应用极为广泛。马赛克陶瓷作为一种特殊的装饰艺术形式，在实际应用过程中需求量大，对其表面质量要求较高，而且在生产过程中很容易出现斑点、裂纹、缺釉等质量问题，所以在陶瓷马赛克颗粒工业生产和实际运用过程中需要对其表面进行严格的质量检测。
由于马赛克颗粒面积小，表面光滑、易反光，针对小斑点、划痕等缺陷的检测有一定的困难，所以当前工业上马赛克陶瓷的生产检测大部分仍然是依靠人工来完成的,效率低下。因此，高效的缺陷检测方法对小尺寸马赛克陶瓷颗粒表面微小缺陷的检测显得尤为重要。
目前，针对马赛克陶瓷颗粒表面缺陷的检测方法较少，依靠传统的人工检测方法费时、费力，而且效率低下，远远不能达到工业生产要求。因此，提高陶瓷马赛克表面缺陷检测的准确性、快速性是工业生产过程中至关重要的一环。
针对马赛克陶瓷颗粒表面缺陷检测，本发明创造性地提出了一种具有高效、稳定的检测方法。基于实测数据，验证了该方法的鲁棒性。本发明提出一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，为马赛克陶瓷在工业生产应用中提供了有效的技术方案。
发明内容
本发明要解决的技术问题在于提供一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，目的在于克服传统表面缺陷检测方法中存在的抽检率低、准确性不高、实时性差、效率低以及不能自动化检测等问题。
为了解决上述问题，本发明提供了一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，由以下步骤：
(1)图像采集：利用工业CCD相机，保持相机位和马赛克陶瓷块位置固定，在同一环境下对马赛克陶瓷块进行拍摄，获取马赛克陶瓷块表面图像相关信息。
(2)RGB转HSV：基于(1)中获取的马赛克陶瓷块表面图像信息，提取RGB三通道图像，将提取的RGB三通道图像转换为HSV颜色模型下的H、S、V三通道图像。RGB颜色模型转换HSV模型的转换公式为：
其中R、G、B分别指红、绿、蓝三通道，R′、G′、B′指对R、G、B归一处理后的数值。
其中Cmax指R′、G′、B′中的最大值，Cmin指R′、G′、B′中的最小值，Δ为最大值和最小值之差。色相H通道计算:
饱和度S通道计算:
明度V通道计算:V＝Cmax,其中H、S、V分别指色相、饱和度、亮度三通道。
(3)去除环境背景因素：根据V通道图像明暗差异来提取陶瓷马赛克主体部分，去除无关背景的影响。
(4)Blob分析：基于(3)中提取的马赛克陶瓷主体部分，对采取的图像进行blob分析，包括图像预处理、前景与背景分离、特征提取，最后进行亚像素拟合定位提取缺陷特征，具体过程包括：
(一)图像预处理：通过图像预处理来减少马赛克陶瓷表面噪声影响，获取清晰的图像信息，首先对图像进行灰度化处理，然后在对马赛克陶瓷颗粒进行缺陷检测前进行中值滤波平滑处理与图像增强处理，并且滤波和增强处理都要在灰度图的基础上进行。
(二)连通性分析：根据特定的起始点和终止结点，分析两点之间是否连通；或根据指定多个点，分析多个点之间是否互通，从而找出单一部分提取出前景部分。
(三)特征提取：基于步骤(二)中对其进行的连通性分析，通过设定合适的阈值进行特征筛选。
(四)亚像素拟合定位：基于(三)中筛选的特征部分，对其进行边缘定位，数字图像通常都是被离散化成像素形式存在，且每一个像素都对应一个整数坐标位置，通过计算目标特征区域所在图像中的坐标位置进而定位得到的边缘亚像素位置，根据提取到的不同的缺陷特征分别制作匹配模板。
(5)模板匹配：根据提取到的不同的缺陷特征分别制作匹配模板，采用序贯相似性检测算法，根据匹配模板遍历整个马赛克陶瓷颗粒表面部分，逐个扫描原图像中的像素点所对应的模板子图，快速匹配所有缺陷目标，完成检测。
本发明的有益效果是：本发明所述一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，具体包括如下步骤：图像采集，获取马赛克陶瓷块表面图像相关信息；提取获取的马赛克陶瓷块表面的RGB三通道图像；将提取的RGB三通道图像转换为HSV颜色模型下的H、S、V三通道图像，根据V通道图像明暗差异来提取陶瓷马赛克主体部分，去除无关背景的影响；然后对提取的马赛克陶瓷主体部分进行blob分析，包括图像预处理、前景与背景分离、连通性分析、特征提取，然后进行亚像素拟合定位提取缺陷特征；根据提取到的缺陷特征制作匹配模板进行模板匹配，采用序贯相似性检测算法，通过模板匹配遍历整个马赛克陶瓷颗粒表面部分，逐个扫描原图像中的像素点所对应的模板子图，快速匹配所有缺陷目标。实验证明，该检测方法对于马赛克陶瓷表面微小缺陷检测准确度高、速度快，且方法具有很好的鲁棒性。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
图1为本发明一个实施例的检测方法流程框图；
图2为本发明一个实施例的图片通道分离及主体部分分割图；其中，(a)通道图像；(b)S通道图像；(c)V通道图像；(d)由V通道分割后的图像；
图3为本发明一个实施例的图片预处理过程；其中，(a)处理前图像；(b)处理后图像；
图4为本发明一个实施例的图片前景与背景分离图像；
图5为本发明一个实施例的特征提取图；其中，(a)连通性分析图像；(b)保留缺陷特征图像；
图6为本发明一个实施例的边缘图像坐标系；
图7为本发明一个实施例的亚像素轮廓拟合图像；其中，(a)轮廓拟合填充图像；(b)原图标记图像；
图8为本发明一个实施例的模板匹配图示；
图9为本发明一个实施例的模板匹配图像；其中，(a)待搜索图像；(b)模板图像；
图10为本发明实施例的部分实验效果图。
具体实施方式
实施例
为更好地理解本发明，下面结合附图和实施例对本发明进一步的描述。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下实施例中描述的实施方式并不代表与本申请相一致的所有实施方式，仅是与权利要求书中所详述的、本申请的一些方面相一致的系统和方法的示例。
一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，其特征在于，包括以下步骤：
(1)图像采集：利用工业CCD相机，保持相机位和马赛克陶瓷块位置固定，在同一环境下对马赛克陶瓷进行拍摄，获取马赛克陶瓷块表面图像的相关信息。
(2)RGB转HSV：基于(1)中获取的马赛克陶瓷块表面图像信息，提取RGB三通道图像，将提取的RGB三通道图像转换为HSV颜色模型下的H、S、V三通道图像，如图2(a)、2(b)、2(c)所示。RGB颜色模型转换HSV模型的转换公式为：
其中R、G、B分别指红、绿、蓝三通道，R′、G′、B′指对R、G、B归一处理后的数值。
其中Cmax指R′、G′、B′中的最大值，Cmin指R′、G′、B′中的最小值，Δ为最大值和最小值之差。色相H通道计算:
饱和度S通道计算:
明度V通道计算:V＝Cmax,其中H、S、V分别指色相、饱和度、亮度三通道。
(3)去除环境背景因素：根据V通道图像明暗差异来提取陶瓷马赛克主体部分，去除无关背景的影响，马赛克陶瓷主体部分图像如图2(d)所示。
(4)Blob分析：基于(3)中提取的马赛克陶瓷主体部分，对采取的图像进行blob分析，包括图像预处理、前景与背景分离、特征提取，最后进行亚像素拟合定位提取缺陷特征，具体过程包括：
(一)图像预处理：通过图像预处理来减少马赛克陶瓷表面噪声的影响，获取清晰的图像信息，首先对图像进行灰度化处理，然后在对马赛克陶瓷颗粒进行缺陷检测前，进行中值滤波平滑处理与图像增强处理，并且滤波和增强处理都要在灰度图的基础上进行。
在平滑处理时，对其采用邻域为7*7的中值滤波处理，它是通过是把数字图像或数字序列中某一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而去除孤立的噪声点。这是用二维滑动模板将板内像素按照像素值的大小进行排序，生成单调上升(或下降)的为二维数据序列。二维中值滤波输出为：g(x,y)＝med{f(x-k,y-l),(k,l∈W)}，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像，W为二维模板。
增强处理时，采用灰度值线性变换，它是通过对一幅图像的灰度值进行缩放来实现的，主要是通过建立灰度映射来调整原始图像的灰度，改善图像的质量，凸显图像的细节，提高图像的对比度；进行灰度值线性变换时，首先要获取当前图像灰度值的一个阈值范围Gmin0、GMax0，然后确认需要得到的图像的灰度值范围Gmin1、GMax1，进而计算得到Mult和Add。最后通过转换规则进行转换得到g′。灰度线性变换的计算公式如下所示：
其中Mult、Add分别表示其斜率和截距，g为当前灰度值，g′为变换后的灰度值，如果结果溢出，则自动截断。
(二)连通性分析：根据特定的起始点和终止结点，分析两点之间是否连通；或根据指定多个点，分析多个点之间是否互通，从而找出单一部分提取出前景部分，如图3(a)、3(b)为图片预处理前后图像；图4为前景与背景分离图像。
(三)特征提取：基于步骤(二)中对其进行的连通性分析，通过面积、灰度值等特征信息，设置合适的阈值快速准确地筛选出缺陷区域、有效提取缺陷特征，如图5(a)、5(b)为特征提取图。
(四)亚像素拟合定位：基于(三)中筛选的特征部分，对其进行边缘定位，数字图像通常都是被离散化成像素形式存在，且每一个像素都对应一个整数坐标位置，通过计算目标特征区域所在图像中的坐标位置进而定位得到的边缘亚像素位置，确定缺陷目标值特征位置。主要过程如下：
设O'在坐标系中的位置为(u,v)，在进行亚像素边缘定位时，需要定位的位置应该是在边缘图像中，颜色从暗到亮变化过程中变化最大，即导数发生最大变化所对应的位置，图6为边缘图像坐标系。
结合上面坐标系，我们可以得到边缘点在局部坐标系和图像坐标系的位置转换关系：
边缘模型可以表示为：M(x,y,θ)＝A+BF(x',y',σ)，其中下面公式为模型的参数向量：
下面通过误差函数分析，使误差函数最小化进行参数求解，最后通过梯度下降法优化残差函数求取θ，获得(u,v)，即定位得到亚像素边缘位置。
如图7(a)、7(b)为亚像素轮廓拟合图像。
(5)模板匹配：根据提取到的不同的缺陷特征分别制作匹配模板，采用序贯相似性检测算法，根据匹配模板遍历整个马赛克陶瓷颗粒表面部分，逐个扫描原图像中的像素点所对应的模板子图，快速匹配所有缺陷目标，完成检测。主要过程如下：
设S(x，y)是大小为m*n的搜索图像，T(x，y)是M*N的模板图像。如图8模板匹配示意图所示。我们的目的是在图9(a)中找到与9(b)匹配的区域(黄框所示)，Si,j是搜索图中的一个子图(左上角起始位置为(i,j))。其中：1≤i≤m-M-1,1≤j≤n-N-1，SSDA算法描述如下公式所示：
ε为定义的绝对误差，指子图与模板图各自去掉其均值后对应位置之差的绝对值。
Th为设定的阈值，其中有上划线的分别表示子图和模板的均值。SSDA检测定义为：
如图9(a)和9(b)为模板匹配图像。首先定义绝对误差，然后设定阈值Th，在模板图中随机选取不重复的像素点，计算与当前子图的绝对误差，将误差累加，当误差累加值超过了Th时，记下累加次数H，所有子图的累加次数H用R(i,j)来表示。在计算过程中，随机点的累加误差和超过了阈值(记录累加次数H)后，则放弃当前子图转而对下一个子图进行计算。遍历完所有子图后，选取在阈值范围内的R值所对应的(i,j)子图作为匹配图像，从而有效提取表面一个或多个缺陷区域。如图10为部分实验效果图。
上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。
Claims (1)
1.一种小尺寸马赛克陶瓷表面缺陷快速检测的方法，其特征在于，包括以下步骤：
(1)图像采集：利用工业CCD相机，保持相机位和马赛克陶瓷块位置固定，在同一环境下对马赛克陶瓷块进行拍摄，获取马赛克陶瓷块表面图像相关信息。
(2)RGB转HSV：基于(1)中获取的马赛克陶瓷块表面图像信息，提取RGB三通道图像,将提取的RGB三通道图像转换为HSV颜色模型下的H、S、V三通道图像,RGB颜色模型转换HSV模型的转换公式为：
其中R、G、B分别指红、绿、蓝三通道，R′、G′、B′指对R、G、B归一处理后的数值。
其中Cmax指R′、G′、B′中的最大值，Cmin指R′、G′、B′中的最小值，Δ为最大值和最小值之差。
色相H通道计算:
饱和度S通道计算:
明度V通道计算:V＝Cmax,其中H、S、V分别指色相、饱和度、亮度三通道。
(3)去除环境背景因素：根据V通道图像明暗差异来提取陶瓷马赛克主体部分，去除无关背景的影响。
(4)Blob分析：基于(3)中提取的马赛克陶瓷主体部分，对采取的图像进行blob分析，包括图像预处理、前景与背景分离、特征提取，最后进行亚像素拟合定位提取缺陷特征，具体过程包括：
(一)图像预处理：通过图像预处理来减少马赛克陶瓷表面噪声影响，获取清晰的图像信息，首先对图像进行灰度化处理，然后在对马赛克陶瓷颗粒进行缺陷检测前进行中值滤波平滑处理与图像增强处理，并且滤波和增强处理都要在灰度图的基础上进行。
(二)连通性分析：根据特定的起始点和终止结点，分析两点之间是否连通；或根据指定多个点，分析多个点之间是否互通，从而找出单一部分提取出前景部分。
(三)特征提取：基于步骤(二)中对其进行的连通性分析，通过面积、灰度值等特征信息，设置合适的阈值快速准确地筛选出缺陷区域、有效提取缺陷特征。
(四)亚像素拟合定位：基于(三)中筛选的特征部分，对其进行边缘定位；数字图像通常都是被离散化成像素形式存在，且每一个像素都对应一个整数坐标位置，通过计算目标特征区域所在图像中的坐标位置进而定位得到的边缘亚像素位置，确定缺陷目标值特征位置。
(5)模板匹配：根据提取到的不同的缺陷特征分别制作匹配模板，采用序贯相似性检测算法(SSDA)，根据匹配模板遍历整个马赛克陶瓷颗粒表面部分，逐个扫描原图像中的像素点所对应的模板子图，快速匹配所有缺陷目标，完成检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111092632.1A CN113744263B (zh) | 2021-09-17 | 2021-09-17 | 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111092632.1A CN113744263B (zh) | 2021-09-17 | 2021-09-17 | 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113744263A true CN113744263A (zh) | 2021-12-03 |
| CN113744263B CN113744263B (zh) | 2023-10-27 |
Family
ID=78739540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111092632.1A Active CN113744263B (zh) | 2021-09-17 | 2021-09-17 | 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113744263B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114202486A (zh) * | 2022-02-16 | 2022-03-18 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像的马赛克去除方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1146481A2 (en) * | 2000-03-21 | 2001-10-17 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
| CN105893925A (zh) * | 2015-12-01 | 2016-08-24 | 乐视致新电子科技（天津）有限公司 | 基于肤色的人手检测方法及装置 |
| WO2017161598A1 (en) * | 2016-03-24 | 2017-09-28 | Hong Kong Applied Science & Technology Research Institute Company Limited | Fast density estimation method for defect inspection application |
| CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
| CN112330628A (zh) * | 2020-11-03 | 2021-02-05 | 南通斯迈尔精密设备有限公司 | 一种金属工件表面缺陷图像检测方法 |
-
2021
- 2021-09-17 CN CN202111092632.1A patent/CN113744263B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1146481A2 (en) * | 2000-03-21 | 2001-10-17 | Nanogeometry Research | Pattern inspection apparatus, pattern inspection method, and recording medium |
| CN105893925A (zh) * | 2015-12-01 | 2016-08-24 | 乐视致新电子科技（天津）有限公司 | 基于肤色的人手检测方法及装置 |
| WO2017161598A1 (en) * | 2016-03-24 | 2017-09-28 | Hong Kong Applied Science & Technology Research Institute Company Limited | Fast density estimation method for defect inspection application |
| CN110687121A (zh) * | 2019-09-19 | 2020-01-14 | 湖北三江航天万峰科技发展有限公司 | 一种陶瓦智能在线检测与自动分级方法和系统 |
| CN112330628A (zh) * | 2020-11-03 | 2021-02-05 | 南通斯迈尔精密设备有限公司 | 一种金属工件表面缺陷图像检测方法 |
Non-Patent Citations (6)
| Title |
|---|
| ATUL N. SHIRE: "Plain Ceramic Tiles Surface Defect Detection Using Image Processing", 《2011 FOURTH INTERNATIONAL CONFERENCE ON EMERGING TRENDS IN ENGINEERING & TECHNOLOGY》 * |
| BHATT ET AL.: "Image-Based Surface Defect Detection Using Deep Learning: A Review", 《JOURNAL OF COMPUTING AND INFORMATION SCIENCE IN ENGINEERING》 * |
| EHSAN GOLKAR ET AL.: "Vision based Length Measuring System for Ceramic Tile Borders", 《PROCEDIA TECHNOLOGY》, vol. 11 * |
| ŞABAN ÖZTÜRK ET AL.: "Fuzzy logic-based segmentation of manufacturing defects on reflective surfaces", 《NEURAL COMPUTING AND APPLICATIONS》 * |
| XIAQIONG YU ET AL.: "Motion detection in moving background using a novel algorithm based on image features guiding self-adaptive Sequential Similarity Detection Algorithm", 《OPTIK》, vol. 123, no. 22 * |
| 李文飞等: "基于机器视觉的绝缘毯缺陷检测与识别研究", 《软件》, vol. 42, no. 6 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114202486A (zh) * | 2022-02-16 | 2022-03-18 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像的马赛克去除方法和系统 |
| CN114202486B (zh) * | 2022-02-16 | 2022-05-20 | 安翰科技(武汉)股份有限公司 | 胶囊内窥镜图像的马赛克去除方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113744263B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109859171B (zh) | 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法 | |
| CN111415363B (zh) | 一种图像边缘识别方法 | |
| CN107424142B (zh) | 一种基于图像显著性检测的焊缝识别方法 | |
| CN109523505B (zh) | 一种基于机器视觉的陶瓷砖表面花纹缺陷检测方法 | |
| CN108537239B (zh) | 一种图像显著性目标检测的方法 | |
| CN109191432B (zh) | 基于域变换滤波多尺度分解的遥感图像云检测方法 | |
| CN106097368B (zh) | 一种单板裂缝的识别方法 | |
| CN110807355A (zh) | 一种基于移动机器人的指针仪表检测与读数识别方法 | |
| CN109658381A (zh) | 一种基于超像素的柔性ic封装基板的铜面缺陷检测方法 | |
| CN102426649A (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
| CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
| CN110687121B (zh) | 一种陶瓦智能在线检测与自动分级方法和系统 | |
| CN102800094A (zh) | 一种快速彩色图像分割方法 | |
| CN112861654B (zh) | 一种基于机器视觉的名优茶采摘点位置信息获取方法 | |
| CN104732231B (zh) | 一种有价票据的识别方法 | |
| CN110687122A (zh) | 一种陶瓦表面裂纹检测方法及系统 | |
| CN110175556B (zh) | 基于Sobel算子的遥感图像云检测方法 | |
| CN112435272B (zh) | 一种基于图像轮廓分析的高压输电线连通域去除方法 | |
| CN111028263A (zh) | 一种基于光流颜色聚类的运动物体分割方法及其系统 | |
| CN113744263B (zh) | 一种小尺寸马赛克陶瓷表面缺陷快速检测的方法 | |
| CN105373798B (zh) | 一种基于k近邻抠图和数学形态学的书法字提取方法 | |
| CN114972628A (zh) | 一种基于多光谱激光雷达点云数据的建筑立体提取方法 | |
| CN109584212A (zh) | 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法 | |
| CN106530292B (zh) | 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法 | |
| CN109592342B (zh) | 一种视觉圆柱形物料输料方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |